• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于字詞融合和多頭注意力的專利實(shí)體識(shí)別

    2023-12-20 02:33:46王騰科朱廣麗李瀚臣劉云朵張順香
    關(guān)鍵詞:文本融合信息

    王騰科,朱廣麗+,李瀚臣,劉云朵,張順香

    (1.安徽理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,安徽 淮南 232001; 2.合肥綜合性國家科學(xué)中心 人工智能研究院,安徽 合肥 230088)

    0 引 言

    中文專利主要由非結(jié)構(gòu)化的文本數(shù)據(jù)組成,對(duì)中文專利文本進(jìn)行命名實(shí)體識(shí)別(named entity recognition,NER)研究可以促進(jìn)專利行業(yè)中專利審查[1]、專利檢索[2]和專利主題挖掘[3]等相關(guān)技術(shù)發(fā)展,為行業(yè)加快信息化和智能化奠定基礎(chǔ)[4]。中文專利文本包含大量專業(yè)詞匯,這些專業(yè)詞匯語義豐富,信息量大。為了豐富文本特征表示,大多數(shù)模型通過修改模型結(jié)構(gòu)來融合詞信息,但在融合過程中詞內(nèi)字符和邊界字符的位置信息未得到充分利用,難以區(qū)分相同字符在詞首和詞尾的特征差異。

    為了利用詞信息提高中文專利命名實(shí)體識(shí)別的準(zhǔn)確率,需要考慮以下幾點(diǎn):①如何利用字詞位置關(guān)系信息優(yōu)化字詞融合,從而豐富文本特征表示;②如何利用字詞融合后的文本特征表示來提高專利實(shí)體識(shí)別準(zhǔn)確率。

    基于上述考慮,提出一種基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型(CWMA),用于提高中文專利實(shí)體識(shí)別的準(zhǔn)確率。該模型主要通過構(gòu)建詞集來區(qū)分詞首、詞內(nèi)和詞尾3種位置關(guān)系,再以拼接的方式融合字詞語義,從而豐富文本特征表示;并且借助多頭注意力調(diào)整權(quán)重來捕獲上下文的重要信息,增強(qiáng)模型的特征提取能力。

    1 研究現(xiàn)狀分析

    專利實(shí)體識(shí)別是指從專利文獻(xiàn)中識(shí)別反映技術(shù)特點(diǎn)的命名實(shí)體。目前的研究方法可分為基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法。

    1.1 基于機(jī)器學(xué)習(xí)的方法

    基于機(jī)器學(xué)習(xí)的方法將NER轉(zhuǎn)化為序列標(biāo)注任務(wù)。陳偉等[5]利用維特比算法識(shí)別專利實(shí)體,但是隨著文本長度的增加,算法復(fù)雜度會(huì)隨之增加。Arora等[6]使用支持向量機(jī)(support vector machine,SVM)對(duì)不同類型的損失分配權(quán)重來提高性能,但是SVM面對(duì)大規(guī)模數(shù)據(jù)的處理能力不佳。Xu等[7]結(jié)合多特征和CRF對(duì)產(chǎn)品評(píng)論文本進(jìn)行半監(jiān)督學(xué)習(xí),CRF[8]不僅能較好地捕獲全局上下文信息,而且對(duì)大規(guī)模數(shù)據(jù)的處理能力較強(qiáng)。Jang等[9]通過句法結(jié)構(gòu)分析處理專利數(shù)據(jù),從名詞短語和SAO(subject action object)結(jié)構(gòu)中獲得候選實(shí)體,并通過中心性指標(biāo)來評(píng)判候選實(shí)體的重要性,進(jìn)而識(shí)別專利實(shí)體。基于機(jī)器學(xué)習(xí)的方法因依賴特征工程建設(shè)而需要消耗大量人力成本。

    1.2 基于深度學(xué)習(xí)的方法

    隨著神經(jīng)網(wǎng)絡(luò)的火熱,基于深度學(xué)習(xí)的方法在NER中廣受歡迎。雙向門控循環(huán)單元BiGRU[10]在NER中常用于處理長距離的上下文信息。An等[11]引入多頭注意力來學(xué)習(xí)文本的全局信息和多層次語義特征,用于增強(qiáng)特征表示的多樣性。近年來,在中文命名實(shí)體識(shí)別(Chinese named entity recognition,CNER)中引入詞信息被驗(yàn)證是有效的。面向中文生物專利文本,Saad等[12]發(fā)現(xiàn)使用字和詞的聯(lián)合嵌入方法要優(yōu)于僅使用詞嵌入的方法。Zhang等[13]利用Lattice結(jié)構(gòu)將詞信息嵌入到字符嵌入向量中,但將模型輸入從鏈?zhǔn)叫蛄修D(zhuǎn)化為圖結(jié)構(gòu)的方法,會(huì)增加模型的計(jì)算成本。Liu等[14]在Latticce基礎(chǔ)上,將詞信息編碼成一個(gè)固定大小的向量,優(yōu)化模型的計(jì)算復(fù)雜度,在Resume數(shù)據(jù)集上的準(zhǔn)確率達(dá)到了95.27%。羅藝雄等[15]融合字符、拼音、五筆等特征,在自建新能源領(lǐng)域?qū)@麛?shù)據(jù)集上的準(zhǔn)確率達(dá)到了90.58%。

    從上述研究中發(fā)現(xiàn),字詞融合在CNER中能取得較好的成果,但是在面向?qū)@谋緯r(shí),準(zhǔn)確率顯著下降。本文通過依據(jù)字詞之間的位置關(guān)系來優(yōu)化字詞融合過程,用于豐富文本特征表示,并利用多頭注意力增強(qiáng)字符之間的依賴關(guān)系,從而提高專利實(shí)體識(shí)別的準(zhǔn)確率。

    2 基于位置關(guān)系的字詞融合方法

    2.1 字向量表示

    (1)

    2.2 詞向量表示

    基于字符在詞中位置,為字符構(gòu)造詞首、詞內(nèi)、詞尾3種詞集,將包含該字符的潛在詞劃分到不同詞集,用于表示同一個(gè)字符在不同位置所表達(dá)的語義信息。詞集的構(gòu)建如圖1所示。

    圖1 詞集構(gòu)建方法

    定義1 詞首、詞內(nèi)和詞尾3種詞集。設(shè)P(ci) 表示以字符ci為開頭的詞wi,j集合,即詞首詞集;M(ck) 表示字符ck在其內(nèi)部的詞wi,j集合(其中i

    P(ci)={wi,k,?wi,k∈L,i

    (2)

    M(ci)={wi,k,?wi,k∈L,1≤j

    (3)

    S(ci)={wj,i,?wj,i∈L,1≤j

    (4)

    其中,L表示詞典,該詞典是在CTB(Chinese Treebank 6.0)語料庫上訓(xùn)練得到的。如果詞集為空,即無匹配詞,則會(huì)在詞集中添加特殊詞“None”。

    定義2 加權(quán)求和方法。加權(quán)求和法依據(jù)詞的頻率來調(diào)整權(quán)重,對(duì)詞集內(nèi)的詞進(jìn)行加權(quán)求和。設(shè)z(w) 表示詞w在數(shù)據(jù)樣本中的頻率。其中Z表示字符的3種詞集中所有詞頻的總和,如式(5)所示,其中P、M和S是與字符ci相關(guān)的3種詞集的簡寫

    (5)

    設(shè)v(S) 表示詞集S的詞向量,詞集S的加權(quán)求和過程如式(6)所示,其中ew(w) 表示由Word2Vec訓(xùn)練得到的詞向量

    (6)

    2.3 基于位置關(guān)系的字詞融合

    基于位置關(guān)系的字詞融合方法先構(gòu)建詞集,隨后將詞集編碼成固定大小的詞向量,再與字向量進(jìn)行拼接融合得到嵌入向量,其過程如圖2所示。

    圖2 基于位置關(guān)系的字詞融合方法

    首先,構(gòu)造當(dāng)前字符ci的詞集P(ci)、M(ci) 和S(ci), 依據(jù)字符在詞中位置,將詞分配到對(duì)應(yīng)詞集?;赪ord2Vec技術(shù)得到詞向量,依據(jù)詞頻對(duì)詞集內(nèi)所有詞向量進(jìn)行加權(quán)求和,將詞集的詞信息壓縮到一個(gè)固定維度的詞向量內(nèi),獲得v(P)、v(M) 和v(S)。 最終將3種詞向量拼接后得到與當(dāng)前字符相關(guān)的詞向量v(ci), 如式(7)所示

    v(ci)=[v(P);v(M);v(S)]

    (7)

    最后,把字符的詞向量拼接在字符的字向量之后得到嵌入向量xi,如式(8)所示

    (8)

    算法1:融合字詞信息的文本特征表示算法。

    輸入:輸入的文本字符序列C={c1,c2,…,cn}, 數(shù)據(jù)集dataset;

    輸出:嵌入向量序列X={x1,x2,…,xn};

    (2)forcinC

    (3) build word sets (P(c),M(c),S(c))

    (4)end for

    (5)forcinC

    (6)xc=BERT(c)

    (7)v(P),v(M),v(S) = WeightedSum(P(c),M(c),S(c),Dict)

    (8)x=concatenate(v(P);v(M);v(S);v(c))

    (9)end for

    (10)returnX={x1,x2,…,xn}

    算法說明:算法1依據(jù)字詞位置關(guān)系,融合字詞獲得嵌入向量,作為文本特征表示。首先,步驟(1)是基于數(shù)據(jù)集文本統(tǒng)計(jì)詞頻;步驟(2)~步驟(4)是為每一個(gè)字符c構(gòu)建3種詞集P(c),M(c),S(c); 步驟(5)~步驟(9)是由預(yù)訓(xùn)練模型獲取每一個(gè)字符的字向量xc和詞集向量v(c), 具體方法如式(1)和式(6)所示,步驟(8)是通過拼接融合字詞語義信息,最后步驟(10)返回嵌入向量序列作為文本特征表示X。

    假設(shè)輸入序列的長度為n,構(gòu)建詞集的過程需要遍歷輸入序列,時(shí)間復(fù)雜度為O(n);獲取字向量和詞向量時(shí)間復(fù)雜度都為O(n)。綜上所述,算法總體復(fù)雜度為O(n)。

    3 基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型

    CWMA模型的如圖3所示,整體結(jié)構(gòu)自下而上分為4部分:①文本特征表示,通過基于位置關(guān)系的字詞融合方法得到文本特征向量;②上下文信息提取,利用BiGRU編碼器從文本特征向量中獲取上下文信息;③多頭注意力,利用多頭注意力調(diào)整上下文信息的權(quán)重來增強(qiáng)字符之間的依賴關(guān)系;④標(biāo)簽解碼,依據(jù)相鄰標(biāo)簽之間的制約關(guān)系對(duì)輸出進(jìn)行解碼并生成實(shí)體標(biāo)簽。

    3.1 文本特征表示

    3.2 上下文信息提取

    專利文本的語句長度較長,使用傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)RNN會(huì)出現(xiàn)梯度爆炸和梯度消失的問題。GRU憑借門控結(jié)構(gòu)可以過濾傳輸信息,極大緩解這類問題。對(duì)于給定輸入嵌入向量X={x1,x2,…,xn}, 每個(gè)時(shí)刻t中各單元的隱藏狀態(tài)ht計(jì)算如式(9)~式(12)所示

    zt=σ(Wz[ht-1,xt])

    (9)

    rt=σ(Wr[ht-1,xt])

    (10)

    hct=tanh(Wh[rtht-1,xt])

    (11)

    (12)

    其中,zt和rt分別是t時(shí)刻更新門和重置門的狀態(tài);hct為t時(shí)刻候選隱藏層的狀態(tài);ht為t時(shí)刻隱藏層的狀態(tài);Wz、Wr、Wh為狀態(tài)更新時(shí)的權(quán)重矩陣。

    面向?qū)@谋緯r(shí),采用BiGRU實(shí)現(xiàn)前后文的交互,使模型能捕獲序列中每個(gè)字符對(duì)于當(dāng)前字符的關(guān)聯(lián)語義。BiGRU通過構(gòu)造正反兩個(gè)方向的GRU隱藏層,得到隱藏信息輸出ht如式(13)~式(15)所示

    (13)

    (14)

    (15)

    3.3 多頭注意力

    雖然通過BiGRU編碼器可以獲取語句中上下文信息,但是無法突出上下文的關(guān)鍵信息。上下文中不同的字符對(duì)當(dāng)前字符的關(guān)聯(lián)依賴程度是不同的,而BiGRU編碼器只能對(duì)信息進(jìn)行保留和刪除。本文引入多頭注意力來克服BiGRU對(duì)上下文信息權(quán)重分配單一的問題。注意力機(jī)制先通過目標(biāo)向量Q和上下文信息向量K進(jìn)行相似度計(jì)算得到注意力權(quán)重,依據(jù)權(quán)重來重構(gòu)原始向量V,得到新向量。計(jì)算如式(16)所示,其中Attention(Q,K,V) 是重構(gòu)后的V向量

    (16)

    式中:dk是目標(biāo)向量Q和上下文信息向量K的維度。多頭注意力多用于獲取文本的多重特征,表示多個(gè)字符之間的依賴關(guān)系。利用訓(xùn)練后的權(quán)重矩陣對(duì)Q、K、V進(jìn)行k次映射,將表示不同特征的結(jié)果拼接得到字符的最終特征表示向量b,多頭注意力的計(jì)算公式如式(17)、式(18)所示

    (17)

    b=Concat(head1,head2,…,headk)WO

    (18)

    BiGRU編碼器的輸出序列H={h1,h2,…,hn}, 經(jīng)過多頭注意力調(diào)整權(quán)重來增強(qiáng)字符之間的緊密關(guān)系后生成序列B={b1,b2,…,bn}。

    3.4 標(biāo)簽解碼

    使用CRF對(duì)經(jīng)BiGRU和多頭注意力處理后的編碼序列B={b1,b2,…,bn} 進(jìn)行解碼,生成標(biāo)簽序列Y={y1,y2,…,yn} 的概率計(jì)算過程如式(19)所示

    (19)

    loss=-log(P(Y|S))

    (20)

    4 實(shí)驗(yàn)與結(jié)果分析

    4.1 數(shù)據(jù)集和評(píng)估標(biāo)準(zhǔn)

    表1 CCP數(shù)據(jù)集中各類實(shí)體數(shù)量

    采取準(zhǔn)確率P、召回率R和綜合評(píng)估指標(biāo)F1作為實(shí)驗(yàn)評(píng)估標(biāo)準(zhǔn),如式(21)~式(23)所示

    (21)

    (22)

    (23)

    其中,TP是邊界和類別都被預(yù)測準(zhǔn)確的實(shí)體數(shù)量;FP是邊界或類別被識(shí)別錯(cuò)誤的實(shí)體數(shù)量;FN是沒有被識(shí)別的實(shí)體數(shù)量。

    4.2 實(shí)驗(yàn)方法和模型參數(shù)

    為了驗(yàn)證模型CWMA的有效性,對(duì)以下6種模型在兩個(gè)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)。

    ①BiLSTM-CRF:結(jié)合BiLSTM和CRF的經(jīng)典神經(jīng)網(wǎng)絡(luò)模型。②BiGRU-CRF:在①的基礎(chǔ)上使用BiGRU替換BiLSTM。③BiGRU-MA-CRF:在②中,引入多頭注意力在BiGRU和CRF之間,在獲得上下文信息后,利用多頭注意力用于捕獲字符間依賴關(guān)系。④Lattice-LSTM[13]:構(gòu)建Lattice-LSTM神經(jīng)網(wǎng)絡(luò)將詞信息嵌入到詞尾字符中用于豐富文本表示。⑤CAN-NER[16]:使用基于字符的卷積神經(jīng)網(wǎng)絡(luò)來捕獲語句中潛在詞信息,再利用GRU和全局注意力獲取全局上下文信息。⑥CWMA:本文提出的模型。

    模型的訓(xùn)練環(huán)境主要由處理器i5-12400F和顯卡NVIDIA GeForce RTX 3060構(gòu)成,使用的PyTorch版本為1.11.0。在訓(xùn)練過程中,使用bert-base-chinese(https://huggingface.co/bert-base-chinese)生成維度為768的字向量,使用Word2Vec生成維度為40的詞集向量。訓(xùn)練的初始學(xué)習(xí)率設(shè)置為0.0015,模型優(yōu)化采用Adam。

    在專利文本的實(shí)驗(yàn)中,考慮到摘要文本長度普遍在300字左右的特點(diǎn),相較于面向Resume數(shù)據(jù)集的模型輸入的最大序列長度250,在面向CCP數(shù)據(jù)集的實(shí)驗(yàn)中設(shè)置最大序列長度為350。

    4.3 對(duì)比實(shí)驗(yàn)

    實(shí)驗(yàn)一:CWMA模型在公共數(shù)據(jù)集上的有效性驗(yàn)證。6種模型在Resume數(shù)據(jù)集上的結(jié)果見表2。

    表2 各模型在Resume數(shù)據(jù)集上的結(jié)果對(duì)比

    從表2中可以看出,本文提出的CWMA模型表現(xiàn)的性能最優(yōu),在準(zhǔn)確率、召回率和F1值3個(gè)指標(biāo)上都達(dá)到了最優(yōu),分別是95.82%、95.35%和95.59%。對(duì)比前3個(gè)模型的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),BiGRU的性能優(yōu)于BiLSTM,并且引入多頭注意力機(jī)制能提高模型的性能。其中,后3個(gè)模型代表字詞融合方法,其模型性能要優(yōu)于前3個(gè)代表字粒度的模型,對(duì)于中文命名實(shí)體識(shí)別,字詞融合方法可以為字粒度模型提供更豐富的語義信息,獲得更優(yōu)的性能。同時(shí),在3個(gè)字詞融合模型中CWMA的實(shí)驗(yàn)結(jié)果是最優(yōu)的,在字詞融合過程中考慮字與詞的位置關(guān)系,并依據(jù)位置關(guān)系訓(xùn)練詞集向量,能夠更好地表示文本語義。

    實(shí)驗(yàn)二:CWMA模型在專利數(shù)據(jù)集上的有效性驗(yàn)證。6種模型在CCP數(shù)據(jù)集上的結(jié)果見表3。

    比較表2和表3的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn):面向?qū)@谋镜拿麑?shí)體識(shí)別更具有挑戰(zhàn)性,相同模型在專利數(shù)據(jù)集上的3個(gè)指標(biāo)都低于Resume數(shù)據(jù)集。但是相較于BiGRU-CRF,在專利數(shù)據(jù)上的CWMA模型準(zhǔn)確率提高了11.36%,大于在Resume數(shù)據(jù)上所提升的2.08%。驗(yàn)證了字詞融合方法在專利實(shí)體識(shí)別的性能提升更顯著。這是因?yàn)閷@写嬖诖罅坑啥鄠€(gè)詞組成的復(fù)雜實(shí)體,例如:“三維圖像框架數(shù)據(jù)庫”等,依據(jù)位置信息構(gòu)建詞集可以有效地區(qū)分不同詞對(duì)當(dāng)前字符的影響,從而提高模型的準(zhǔn)確率。而相比CAN-NER,CWMA在專利數(shù)據(jù)上在3個(gè)指標(biāo)上分別提高了3.96%、3.68%和3.83%??傮w而言,提出的CWMA模型在實(shí)驗(yàn)中表現(xiàn)最好,對(duì)專利實(shí)體識(shí)別提升幅度大。

    表3 各模型在CCP數(shù)據(jù)集上的結(jié)果對(duì)比

    4.4 消融實(shí)驗(yàn)

    為了研究模型各組成部分的貢獻(xiàn),在CCP數(shù)據(jù)集上進(jìn)行消融實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如表4和圖4所示。

    表4 在CCP數(shù)據(jù)集上的消融實(shí)驗(yàn)結(jié)果

    圖4 消融實(shí)驗(yàn)結(jié)果

    本文對(duì)字詞融合方法的3個(gè)步驟以及模型中的多頭注意力機(jī)制進(jìn)行消融實(shí)驗(yàn)。其中,Exper0表示本文提出的CWMA模型;Exper1的“-PMS”表示在CWMA模型上去除構(gòu)建詞集的步驟,只對(duì)詞進(jìn)行加權(quán)求和;Exper2的“-M”表示在CWMA模型的嵌入向量中不引入M詞集,只融合B和E詞集;Exper3的“均值法”表示不引入詞頻信息,使用均值法取代CWMA模型的加權(quán)求和法;Exper4表示在CWMA模型中去除多頭注意力模塊。

    Exper1、Exper2、Exper3分別驗(yàn)證了字詞融合方法中的3個(gè)步驟都能豐富文本特征表示。其中構(gòu)建詞集的步驟對(duì)于模型影響最大,分別下降了5.77%、8.03%和6.86%,在字詞融合中考慮字與詞之間的位置信息能有效提高模型性能。在對(duì)比實(shí)驗(yàn)中LatticeLSTM未給詞內(nèi)字符融合相關(guān)詞信息,而本文引入M詞集能夠緩解詞內(nèi)字符丟失詞信息的問題。同時(shí),加權(quán)求和法優(yōu)于均值法的結(jié)果證明依據(jù)統(tǒng)計(jì)數(shù)據(jù)中的詞頻是有效的。

    Exper4驗(yàn)證了多頭注意力對(duì)CWMA模型有著明顯的提升。去除多頭注意力后,3種指標(biāo)分別下降了3.72%、5.22%和4.44%,表明使用多頭注意力能有效地關(guān)注到語句中字符之間的依賴關(guān)系。

    5 結(jié)束語

    本文提出的基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型CWMA,依據(jù)字符在詞中位置信息進(jìn)行拼接融合字詞語義信息,獲取了更完整的文本表示特征,并結(jié)合BiGRU和多頭注意力共同對(duì)文本特征進(jìn)行提取,提高了專利實(shí)體識(shí)別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,利用字符在詞中位置來豐富文本表示和增強(qiáng)字符之間依賴關(guān)系對(duì)于中文命名實(shí)體識(shí)別是有必要的。未來工作將考慮在模型中引入自動(dòng)識(shí)別技術(shù)詞的機(jī)制來緩解詞典的滯后性問題。

    猜你喜歡
    文本融合信息
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《融合》
    在808DA上文本顯示的改善
    基于doc2vec和TF-IDF的相似文本識(shí)別
    電子制作(2018年18期)2018-11-14 01:48:06
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    文本之中·文本之外·文本之上——童話故事《坐井觀天》的教學(xué)隱喻
    展會(huì)信息
    如何快速走進(jìn)文本
    成人欧美大片| 精品欧美国产一区二区三| 亚洲专区字幕在线| 免费看十八禁软件| 女人爽到高潮嗷嗷叫在线视频| 久久亚洲真实| 中文字幕久久专区| 国产精品久久电影中文字幕| 精品欧美一区二区三区在线| 亚洲欧美激情综合另类| 国产亚洲欧美98| 国产成人一区二区三区免费视频网站| 国内精品久久久久久久电影| 亚洲成人久久爱视频| 久久久国产成人免费| 久99久视频精品免费| 99久久国产精品久久久| 日日爽夜夜爽网站| 日韩免费av在线播放| 国产私拍福利视频在线观看| 丝袜人妻中文字幕| 校园春色视频在线观看| 国产在线精品亚洲第一网站| 欧美成狂野欧美在线观看| 99热只有精品国产| 欧美日韩精品网址| 一二三四社区在线视频社区8| 亚洲精华国产精华精| 波多野结衣高清无吗| 50天的宝宝边吃奶边哭怎么回事| 少妇的丰满在线观看| 少妇的丰满在线观看| 又爽又黄无遮挡网站| 精品午夜福利视频在线观看一区| 精品欧美一区二区三区在线| 成年女人毛片免费观看观看9| 欧美日韩亚洲国产一区二区在线观看| 国产激情久久老熟女| 亚洲国产精品久久男人天堂| 亚洲人成网站高清观看| 曰老女人黄片| 在线观看66精品国产| 亚洲 欧美 日韩 在线 免费| www.999成人在线观看| 国产亚洲欧美在线一区二区| 久久香蕉国产精品| 天堂√8在线中文| 亚洲最大成人中文| 成年人黄色毛片网站| 搡老岳熟女国产| 男男h啪啪无遮挡| 69av精品久久久久久| 亚洲精品色激情综合| 十八禁网站免费在线| 久久香蕉国产精品| 少妇裸体淫交视频免费看高清 | 人妻久久中文字幕网| 欧美另类亚洲清纯唯美| 高清在线国产一区| 精品久久久久久久久久免费视频| 黄色a级毛片大全视频| 国产激情欧美一区二区| 国产成人精品久久二区二区免费| 搡老熟女国产l中国老女人| 久久精品91蜜桃| 欧美在线黄色| 免费搜索国产男女视频| 99久久精品国产亚洲精品| 久久人妻av系列| 欧美日韩国产亚洲二区| 亚洲国产日韩欧美精品在线观看 | 老司机深夜福利视频在线观看| 亚洲五月婷婷丁香| 国产真人三级小视频在线观看| 日韩欧美在线乱码| 久久久国产成人精品二区| 老司机午夜十八禁免费视频| 国产成人欧美在线观看| 久久伊人香网站| 一级毛片女人18水好多| 国产午夜精品论理片| 欧美日韩精品网址| 精品一区二区三区视频在线观看免费| 亚洲av成人不卡在线观看播放网| 啦啦啦免费观看视频1| 男女做爰动态图高潮gif福利片| 丰满人妻一区二区三区视频av | 国语自产精品视频在线第100页| 波多野结衣高清无吗| 美女免费视频网站| 99在线人妻在线中文字幕| 亚洲性夜色夜夜综合| 18禁美女被吸乳视频| 1024视频免费在线观看| 热99re8久久精品国产| 久久久国产成人精品二区| 亚洲国产精品久久男人天堂| 女人爽到高潮嗷嗷叫在线视频| 白带黄色成豆腐渣| 精品国产亚洲在线| 少妇人妻一区二区三区视频| 色综合亚洲欧美另类图片| 亚洲男人天堂网一区| 欧美日韩中文字幕国产精品一区二区三区| 久久天躁狠狠躁夜夜2o2o| av福利片在线| 欧美大码av| 久久久久久久久免费视频了| 天堂影院成人在线观看| 亚洲人成网站高清观看| 成人亚洲精品av一区二区| 国产亚洲av嫩草精品影院| 九色成人免费人妻av| 人妻夜夜爽99麻豆av| 日韩精品中文字幕看吧| 在线观看舔阴道视频| 国产亚洲精品综合一区在线观看 | 成在线人永久免费视频| 亚洲黑人精品在线| 日本一区二区免费在线视频| 色av中文字幕| 亚洲av成人精品一区久久| 亚洲成av人片在线播放无| 精品少妇一区二区三区视频日本电影| 国产一区二区三区视频了| 亚洲 国产 在线| 国产精品久久久久久精品电影| 丝袜人妻中文字幕| 亚洲av片天天在线观看| 国产高清激情床上av| a在线观看视频网站| 怎么达到女性高潮| 亚洲国产精品999在线| 99久久无色码亚洲精品果冻| 精品久久久久久久久久久久久| 亚洲最大成人中文| 国产一区二区三区视频了| 久久久久亚洲av毛片大全| 老熟妇乱子伦视频在线观看| 欧美性长视频在线观看| 在线播放国产精品三级| 1024手机看黄色片| 久久香蕉激情| 一个人免费在线观看的高清视频| 欧美黄色片欧美黄色片| 视频区欧美日本亚洲| 久久久久久久精品吃奶| 后天国语完整版免费观看| 97超级碰碰碰精品色视频在线观看| 国产成人啪精品午夜网站| 91在线观看av| 999精品在线视频| 欧美黑人精品巨大| 欧美性猛交╳xxx乱大交人| 亚洲成av人片免费观看| 特大巨黑吊av在线直播| 成人精品一区二区免费| 国产一区二区三区视频了| 19禁男女啪啪无遮挡网站| 一本精品99久久精品77| 欧洲精品卡2卡3卡4卡5卡区| 99久久无色码亚洲精品果冻| 亚洲成人中文字幕在线播放| 中文亚洲av片在线观看爽| 免费在线观看日本一区| 欧美中文日本在线观看视频| 人妻久久中文字幕网| 精品国产乱子伦一区二区三区| 欧美不卡视频在线免费观看 | 欧美成狂野欧美在线观看| 法律面前人人平等表现在哪些方面| 午夜日韩欧美国产| 身体一侧抽搐| 亚洲国产精品sss在线观看| 亚洲精品粉嫩美女一区| 桃红色精品国产亚洲av| 99热这里只有精品一区 | √禁漫天堂资源中文www| 搞女人的毛片| 丁香欧美五月| 一级作爱视频免费观看| 欧美日韩精品网址| 国产精品自产拍在线观看55亚洲| www.熟女人妻精品国产| 精品国产亚洲在线| 日本 av在线| 亚洲精品国产精品久久久不卡| 日本 av在线| 美女大奶头视频| 女人高潮潮喷娇喘18禁视频| 国产精品影院久久| 午夜视频精品福利| 亚洲人成网站在线播放欧美日韩| 国产精品一区二区精品视频观看| 我的老师免费观看完整版| 国产免费av片在线观看野外av| 日本a在线网址| 成年免费大片在线观看| 丁香六月欧美| 精品国产亚洲在线| 亚洲片人在线观看| 嫩草影院精品99| 在线观看免费午夜福利视频| 亚洲国产精品久久男人天堂| 99久久99久久久精品蜜桃| 日韩欧美 国产精品| 免费电影在线观看免费观看| 老鸭窝网址在线观看| 黄色a级毛片大全视频| 国产三级在线视频| 在线观看午夜福利视频| 黑人操中国人逼视频| 国产主播在线观看一区二区| 中文字幕精品亚洲无线码一区| 久久久久国产精品人妻aⅴ院| 亚洲熟妇中文字幕五十中出| 亚洲avbb在线观看| 天天躁夜夜躁狠狠躁躁| 夜夜爽天天搞| 成人精品一区二区免费| 国产私拍福利视频在线观看| 人妻久久中文字幕网| 老司机靠b影院| 香蕉丝袜av| 日韩欧美国产在线观看| 亚洲成人中文字幕在线播放| 在线观看午夜福利视频| 搞女人的毛片| a级毛片a级免费在线| 国产成人啪精品午夜网站| 一区二区三区高清视频在线| 精品久久久久久久末码| 特级一级黄色大片| 黄色视频不卡| 在线播放国产精品三级| 亚洲成人精品中文字幕电影| 精品熟女少妇八av免费久了| 欧美日韩精品网址| 午夜亚洲福利在线播放| 久久久久久久久中文| 国产精品久久久久久精品电影| 很黄的视频免费| 国产精品免费视频内射| 狠狠狠狠99中文字幕| 免费观看精品视频网站| 国产精品香港三级国产av潘金莲| 欧美色欧美亚洲另类二区| 欧美成人午夜精品| 精品国产乱码久久久久久男人| 99热这里只有是精品50| 国产免费av片在线观看野外av| 免费在线观看亚洲国产| 亚洲电影在线观看av| 亚洲av第一区精品v没综合| 成人一区二区视频在线观看| 国产av在哪里看| 桃红色精品国产亚洲av| 又黄又爽又免费观看的视频| 嫩草影院精品99| 久久热在线av| 国内揄拍国产精品人妻在线| 成年女人毛片免费观看观看9| 少妇粗大呻吟视频| 在线观看免费日韩欧美大片| 亚洲欧美精品综合一区二区三区| av视频在线观看入口| 波多野结衣巨乳人妻| 黄色女人牲交| 国产激情久久老熟女| 伊人久久大香线蕉亚洲五| 俺也久久电影网| 老司机深夜福利视频在线观看| 变态另类丝袜制服| 久久久久精品国产欧美久久久| 免费看a级黄色片| 亚洲欧美日韩高清专用| 国产视频一区二区在线看| 搡老妇女老女人老熟妇| 亚洲一区二区三区不卡视频| 一个人免费在线观看的高清视频| 一级毛片精品| 久久精品影院6| 精品久久蜜臀av无| 久久久国产欧美日韩av| 午夜激情福利司机影院| 日韩免费av在线播放| 99riav亚洲国产免费| 日韩国内少妇激情av| 日韩三级视频一区二区三区| 国产片内射在线| 美女大奶头视频| 国产麻豆成人av免费视频| 成人特级黄色片久久久久久久| 男女之事视频高清在线观看| 欧美日韩国产亚洲二区| videosex国产| 国产激情偷乱视频一区二区| 国产黄a三级三级三级人| 国产人伦9x9x在线观看| 日韩欧美一区二区三区在线观看| 老司机福利观看| 久久精品人妻少妇| 99精品久久久久人妻精品| 一边摸一边做爽爽视频免费| 国产欧美日韩一区二区三| 性欧美人与动物交配| 成人国产一区最新在线观看| 国产精品美女特级片免费视频播放器 | 国产亚洲av嫩草精品影院| 亚洲色图av天堂| 国产精品av久久久久免费| 国产av麻豆久久久久久久| 在线免费观看的www视频| 亚洲国产中文字幕在线视频| 99re在线观看精品视频| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 亚洲人与动物交配视频| 亚洲成人久久性| 一本久久中文字幕| 在线十欧美十亚洲十日本专区| 久久精品国产亚洲av香蕉五月| 午夜激情福利司机影院| 亚洲av成人不卡在线观看播放网| 午夜激情福利司机影院| 国产高清视频在线播放一区| 精品欧美国产一区二区三| 国语自产精品视频在线第100页| 免费观看人在逋| 国产亚洲精品综合一区在线观看 | 欧美 亚洲 国产 日韩一| 国产亚洲欧美在线一区二区| 国产1区2区3区精品| 婷婷六月久久综合丁香| 免费看日本二区| 久久欧美精品欧美久久欧美| 中文字幕精品亚洲无线码一区| 成人特级黄色片久久久久久久| 色精品久久人妻99蜜桃| 国产精品一区二区精品视频观看| 最近最新免费中文字幕在线| 一级黄色大片毛片| 色播亚洲综合网| 9191精品国产免费久久| 久久久久久大精品| 成人精品一区二区免费| 一个人免费在线观看的高清视频| 9191精品国产免费久久| 俄罗斯特黄特色一大片| 一本大道久久a久久精品| or卡值多少钱| 欧美日韩国产亚洲二区| 性色av乱码一区二区三区2| 久久久久免费精品人妻一区二区| 琪琪午夜伦伦电影理论片6080| 免费观看精品视频网站| 长腿黑丝高跟| 日韩大尺度精品在线看网址| 哪里可以看免费的av片| 淫妇啪啪啪对白视频| 18禁国产床啪视频网站| 国产又黄又爽又无遮挡在线| 亚洲成人国产一区在线观看| 久久久久久久久免费视频了| 欧美黑人欧美精品刺激| 亚洲 欧美一区二区三区| 亚洲av美国av| 高潮久久久久久久久久久不卡| 91麻豆精品激情在线观看国产| 日韩欧美在线二视频| av欧美777| 午夜福利成人在线免费观看| 日韩 欧美 亚洲 中文字幕| 婷婷丁香在线五月| avwww免费| 欧美另类亚洲清纯唯美| 黄色女人牲交| 日本一本二区三区精品| 国产高清视频在线观看网站| 脱女人内裤的视频| 国产午夜精品久久久久久| 日日爽夜夜爽网站| 中文字幕熟女人妻在线| 熟妇人妻久久中文字幕3abv| 欧美zozozo另类| 欧美不卡视频在线免费观看 | 亚洲成人久久性| 国产真实乱freesex| 久久久久久人人人人人| bbb黄色大片| 又粗又爽又猛毛片免费看| 国产成人av教育| 国产精品影院久久| 狂野欧美激情性xxxx| 少妇人妻一区二区三区视频| 99热这里只有精品一区 | 天堂√8在线中文| 国产精品电影一区二区三区| or卡值多少钱| 亚洲va日本ⅴa欧美va伊人久久| 狠狠狠狠99中文字幕| 日韩精品中文字幕看吧| 欧美成人一区二区免费高清观看 | 黄片小视频在线播放| 观看免费一级毛片| 日本精品一区二区三区蜜桃| 国产激情偷乱视频一区二区| 国产精品av久久久久免费| 熟妇人妻久久中文字幕3abv| 日韩欧美免费精品| 一级毛片精品| 哪里可以看免费的av片| 99久久99久久久精品蜜桃| 久久精品综合一区二区三区| 国产aⅴ精品一区二区三区波| 久久国产乱子伦精品免费另类| 中出人妻视频一区二区| 日韩欧美一区二区三区在线观看| 精品一区二区三区av网在线观看| 国产精品日韩av在线免费观看| 精品高清国产在线一区| 一个人免费在线观看电影 | 巨乳人妻的诱惑在线观看| 亚洲精品国产一区二区精华液| 国产av一区二区精品久久| 首页视频小说图片口味搜索| 在线观看一区二区三区| 最近最新中文字幕大全电影3| 男女床上黄色一级片免费看| 免费在线观看日本一区| 听说在线观看完整版免费高清| 好看av亚洲va欧美ⅴa在| 18禁美女被吸乳视频| 老司机在亚洲福利影院| 久久九九热精品免费| 不卡一级毛片| 免费在线观看亚洲国产| 国产又色又爽无遮挡免费看| 九色国产91popny在线| 国产欧美日韩精品亚洲av| 成人精品一区二区免费| 日本a在线网址| 国产精品一区二区精品视频观看| 欧美成狂野欧美在线观看| 天天躁夜夜躁狠狠躁躁| 国产成年人精品一区二区| 法律面前人人平等表现在哪些方面| 午夜免费观看网址| 久久 成人 亚洲| 国产精品精品国产色婷婷| 欧美日韩瑟瑟在线播放| 丝袜人妻中文字幕| 天天躁夜夜躁狠狠躁躁| 亚洲第一欧美日韩一区二区三区| 少妇被粗大的猛进出69影院| 久久热在线av| 一个人免费在线观看的高清视频| 成人高潮视频无遮挡免费网站| 午夜福利在线观看吧| 成人特级黄色片久久久久久久| 成人av在线播放网站| 又粗又爽又猛毛片免费看| 国产成人欧美在线观看| 久久这里只有精品中国| 九色国产91popny在线| 久久香蕉国产精品| 两性午夜刺激爽爽歪歪视频在线观看 | 看片在线看免费视频| 国产一区二区三区在线臀色熟女| 色老头精品视频在线观看| 日韩高清综合在线| 成人av一区二区三区在线看| 女人被狂操c到高潮| 午夜福利视频1000在线观看| 97碰自拍视频| 久久久久国产一级毛片高清牌| 丰满的人妻完整版| 国产激情偷乱视频一区二区| 国产高清有码在线观看视频 | 18禁美女被吸乳视频| 日本成人三级电影网站| 麻豆成人午夜福利视频| 国产亚洲精品第一综合不卡| 日韩欧美在线二视频| 亚洲av成人av| 国产免费男女视频| 久久久久国内视频| 成人国产一区最新在线观看| 亚洲精品国产一区二区精华液| 国产成年人精品一区二区| 99久久99久久久精品蜜桃| 亚洲国产精品成人综合色| 亚洲中文字幕一区二区三区有码在线看 | 少妇的丰满在线观看| 欧美午夜高清在线| 看黄色毛片网站| 国产黄色小视频在线观看| 国产亚洲av高清不卡| bbb黄色大片| 中文字幕人成人乱码亚洲影| 欧美一级a爱片免费观看看 | 欧美成人午夜精品| 亚洲人成伊人成综合网2020| 久久这里只有精品中国| 黄色毛片三级朝国网站| 岛国在线免费视频观看| 欧美日韩黄片免| 亚洲欧美激情综合另类| 日韩欧美一区二区三区在线观看| 99国产精品99久久久久| 免费搜索国产男女视频| 午夜视频精品福利| 成人三级做爰电影| 久久精品影院6| 亚洲国产欧美网| 国产精品久久久久久人妻精品电影| 国产亚洲精品久久久久久毛片| 国产成人av教育| 一区福利在线观看| 国产激情欧美一区二区| 欧美zozozo另类| 我的老师免费观看完整版| 首页视频小说图片口味搜索| 欧美黄色片欧美黄色片| 久久久久免费精品人妻一区二区| 日韩大码丰满熟妇| 国产精品久久久久久亚洲av鲁大| 日本三级黄在线观看| 亚洲国产欧美人成| 午夜激情av网站| 后天国语完整版免费观看| 亚洲专区中文字幕在线| 国产成人一区二区三区免费视频网站| 此物有八面人人有两片| 亚洲人成电影免费在线| 日韩精品青青久久久久久| 麻豆成人午夜福利视频| 夜夜看夜夜爽夜夜摸| 欧美成人一区二区免费高清观看 | 欧美最黄视频在线播放免费| 亚洲18禁久久av| 中文在线观看免费www的网站 | 人妻久久中文字幕网| 亚洲国产看品久久| 国内久久婷婷六月综合欲色啪| 国产精品一区二区三区四区久久| 色综合欧美亚洲国产小说| 人妻夜夜爽99麻豆av| av片东京热男人的天堂| 日韩精品青青久久久久久| 午夜激情福利司机影院| 熟女电影av网| 最近最新免费中文字幕在线| 欧美日韩国产亚洲二区| 长腿黑丝高跟| 蜜桃久久精品国产亚洲av| 日本五十路高清| 麻豆成人午夜福利视频| 白带黄色成豆腐渣| 91成年电影在线观看| www.精华液| 亚洲专区中文字幕在线| 亚洲国产欧美一区二区综合| 日韩欧美在线乱码| 亚洲精品色激情综合| 校园春色视频在线观看| 亚洲专区中文字幕在线| 俺也久久电影网| 亚洲国产精品合色在线| 国产精品爽爽va在线观看网站| 精品久久久久久成人av| 伊人久久大香线蕉亚洲五| 18禁裸乳无遮挡免费网站照片| 熟妇人妻久久中文字幕3abv| 亚洲精品粉嫩美女一区| 观看免费一级毛片| 欧美黑人精品巨大| 久久精品国产99精品国产亚洲性色| 18禁观看日本| 麻豆国产av国片精品| 熟女电影av网| 免费人成视频x8x8入口观看| 又黄又粗又硬又大视频| 大型av网站在线播放| 成年版毛片免费区| 制服诱惑二区| 少妇人妻一区二区三区视频| 日本一本二区三区精品| 久久中文看片网| 成人欧美大片| 久久中文字幕一级| 国内精品一区二区在线观看| 母亲3免费完整高清在线观看| 白带黄色成豆腐渣| 高清毛片免费观看视频网站| 两个人的视频大全免费| 免费在线观看成人毛片| 一a级毛片在线观看| 中文字幕最新亚洲高清| 19禁男女啪啪无遮挡网站| 国产伦一二天堂av在线观看| 男女视频在线观看网站免费 | 18禁裸乳无遮挡免费网站照片| 日本免费一区二区三区高清不卡| av片东京热男人的天堂| 草草在线视频免费看| 国产人伦9x9x在线观看| 亚洲熟妇熟女久久| 亚洲自偷自拍图片 自拍| 又大又爽又粗| 国内少妇人妻偷人精品xxx网站 | 亚洲国产精品久久男人天堂| 88av欧美| 国产精品亚洲美女久久久| 国模一区二区三区四区视频 |